Jul, 2024
基于基础模型的实体和方面目标情感分析的深度内容理解
Deep Content Understanding Toward Entity and Aspect Target Sentiment
Analysis on Foundation Models
TL;DR通过引入实体-方面情感三元组抽取 (EASTE),扩展了目标-方面-情感检测 (TASD) 的方面为预定义的实体和细粒度的方面,从而揭示了链式方面对其实体的真实情感的复杂性,探索了基于 Transformer 架构的语言模型在 EASTE 任务上的解决能力,通过 BERT 架构的令牌分类任务以及 Flan-T5、Flan-Ul2 到 Llama2、Llama3 和 Mixtral 这样的文本生成模型使用不同的对齐技术,如零/少量样本学习、参数效率微调和低秩适应 (LoRA),并在代表现有工作的 SamEval-2016 基准数据集上评估模型的性能,旨在实现在 EASTE 任务上的高性能并研究模型大小、类型和适应技术对任务性能的影响,最终提供了关于复杂情感分析的详细见解并取得了最新的研究成果。